原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于支持向量机和相关反馈技术的肿块检测算法.pdf
年 月 西安电子科技大学学报（自然科学版）
!( ’ 3 0!(
H
第 卷 第 期 ! !
)’ ! T780)’ *70!
! !
!#$%’ ( )*+*% #%*,-$.*/0
! ! !
基于支持向量机和相关反馈技术的肿块检测算法
王 颖! 高新波
!
!西安电子科技大学 电子工程学院陕西 西安 #
((
!
摘要!为了避免由于乳腺中的致密组织与肿块类似的特征表现而造成的肿块检测精度不高!设计了基
于典型特征的支持向量机分类器对提取出的感兴趣区域进行分类!并引入了相关反馈算法以进一步提
高分类器的性能!提出了一种新的基于支持向量机和相关反馈技术的乳腺图像中肿块的检测方案 通过
0
对大量乳腺图像的仿真实验显示!基于典型特征的支持向量机分类器能够将无特征支持向量机分类器
的检出率提高约 %1 !而相关反馈技术的引入则使系统的检出率进一步提高到约 .10
关键词!支持向量机相关反馈肿块检测特征提取
中图分类号! 文献标识码! 文章编号! #
-2).0’ 3 $!’ !(!$!).$(
! ! ! !
! #$$%’(’)*+#,*.)’/ 0#$%*+123
-
#+%.,4#+(5%0#(6
$
!#$%’ $)*’+,-
(
! $ $ $
8:5;7=5,= =::= @AB=C=D0 @EB= (( +6=B
? ? !
% $
!0$’.#(’ F=7A:;7G 7D:;6:A:;:5;7= :97GB=5:79GBII J6568:I7=;6:IG8BB :BB=5:
! H H
文档评论（0）